[发明专利]一种面向多工况的爬壁机器人智能路径规划方法及系统

权利要求书

1.一种面向多工况的爬壁机器人智能路径规划方法，所用的系统为面向多工况的爬壁机器人智能路径规划系统，包括参数输入模块、环境建模模块、路径搜索模块和运行结果模块；

所述的参数输入模块，通过手动输入相关参数实现；

所述的环境建模模块在可视化界面中，包括环境建模按钮、设置障碍按钮和清除障碍按钮；环境建模按钮可以新建不同大小的栅格环境，设置障碍按钮通过在地图中点击鼠标左键设置障碍物，清除障碍按钮通过点击鼠标左键清除障碍物；

所述的路径搜索模块包括起始点按钮、目标点按钮和搜索路径按钮；起始点按钮可以在地图中设置路径起始点，目标点按钮在地图中设置路径目标点，搜索路径按钮通过鼠标点击自动完成路径搜寻；

所述的运行结果模块包括收敛曲线和运行信息；收敛曲线在路径搜索完成之后显示出来，运行信息包括经过的栅格数量、路径长度和算法用时在搜索完成显示在界面左下角；

面向多工况的爬壁机器人智能路径规划方法是基于改进蚁群算法的路径规划，包括以下步骤：

(1)利用栅格法对地图环境进行建模，包括设置起点栅格、目标栅格和障碍物栅格，并对地图环境模型进行预处理；

环境建模具体为：爬壁机器人的工作空间是现实的物理空间，而路径规划算法处理的对象是地图环境的抽象空间，称之为地图环境模型；地图环境建模就是实现爬壁机器人的物理空间到路径规划算法处理的抽象空间的映射，以便于计算机进行存储和处理；应用栅格法并依据图论的思想建立地图环境模型，假定爬壁机器人的工作空间中环境信息已知，即障碍物的位置、大小以及爬壁机器人的起始位置、目标位置等都是已知的；栅格法把爬壁机器人的工作空间模拟为二维空间，并把该空间分成大小相同的栅格，使爬壁机器人在地图环境模型中自由移动；

地图环境模型预处理具体为：在利用蚁群算法进行爬壁机器人路径规划时，如遇到复杂的地图环境模型，当环境中存在凹形障碍物区域时，蚂蚁会被困在凹形障碍物区域中，陷入停滞或增加收敛时间；为了解决这个问题，在进行环境初始化时，对凹形障碍物区域进行预处理，把所有凹形障碍物区域改变成凸形障碍物区域，避免由于地图环境模型问题使蚂蚁出现停滞的现象；

(2)设置蚁群算法基本参数，初始化基本参数，并利用信息素限定策略完成信息素的初始化；

信息素限定策略具体为：在蚁群算法中，当最优解附近的信息素较浓时，蚂蚁的搜索行为会集中到最优解附近，整体提高解的质量并且加快解的收敛，从而改善算法的性能；但是这样会使算法发生早熟，使所有的蚂蚁都集中在某段轨迹内，致使算法处于停滞状态，难以得到更好的解；通过借鉴“最大最小蚂蚁系统”，设置信息素τ_ij的上限τ_max和下限τ_min，进而限制信息素的阈值，并将信息素轨迹的初始值设置为τ_max，使得对于所有的τ_ij(t)∈[τ_min,τ_max]，保证信息素在合理范围内变化，提高了蚁群的搜索范围；

(3)运用目标导向策略，设置能见度函数；

目标导向策略具体为：蚁群算法的能见度函数为相邻栅格距离的倒数，但由于所建地图环境模型的栅格大小相同，当前节点和可选节点的距离只有两种情况，所以能见度函数值相差并不大，蚁群搜索具有盲目性；借鉴最佳优先搜索算法BFS提出目标导向策略，构造适用于栅格环境模型的能见度函数；最佳优先搜索算法是一种启发式搜索算法，使用启发估价函数对将要被遍历到的点进行估价，估价标准为可选节点到目标节点的距离，然后选择代价小的进行遍历，直到找到目标节点；由此构造的能见度函数为可选节点到目标节点的距离的倒数，使蚂蚁寻路时选择离目标最近的节点，这样不但能使蚂蚁以较大的概率靠近目标，而且提高了收敛速度；

(4)初始化每只蚂蚁的爬行路线、爬行路线长度和禁忌表，并使蚂蚁处在起点栅格处；

(5)迭代开始，每只蚂蚁根据状态转移概率P^k_ij选择下一路径点；每次循环之后，记录本次循环的最短路径、最短路径的长度和所有蚂蚁所走路径的平均长度；

(6)当所有蚂蚁完成一次路径搜索后，对每只蚂蚁走过的路径按照奖惩激励策略更新信息素；

奖惩激励策略具体为：借鉴自然界中“适者生存”原则提出应用于蚁群寻优的奖惩激励策略；每次循环结束后，在对每条路径进行全局更新的基础上，对最优路径和最差路径给予额外的局部更新；局部更新具体指的是，增加当次迭代最优路径上的信息素量，减少当次迭代最差路径上的信息素量；信息素增加和减少的量与最优路径和最差路径的长度有关；

(7)禁忌表清零，进行下一次循环；

(8)重复执行步骤(4)‐步骤(7)，直到迭代次数达到最大迭代次数，计算各轮迭代的最优路径长度，得到全局最优路径；

爬壁机器人的路径环境分为两种情况，一种情况是爬壁机器人运行在水平面环境里，另一种情况是爬壁机器人运行在竖直壁面上，具体情况如下：

在水平面，爬壁机器人的吸附机构不起作用，主要利用移动机构进行运动，其路径规划和一般移动机器人的路径规划类似；考虑到爬壁机器人实际工作过程中，水平面上存在道路粗糙度不均匀的问题，机器人运动速度会发生改变，提出速度控制策略，将其与改进蚁群算法相结合，实现爬壁机器人在水平面的路径规划；

速度控制策略具体为：为栅格地图上的每一个栅格赋予权值qz，qz的取值范围为(0,1)，数值大小代表栅格的可通行度，数值越大，此栅格的可通行度越大；若qz＝0，则为障碍栅格，爬壁机器人不能通过；若qz＝1，则为完全自由栅格，爬壁机器人的移动速度可达到最大值；若0<qz<1，机器人的移动速度会受到相应的限制；实现过程为：爬壁机器人按照设计寻找最优路径，在寻找到的每一条路径上，对遇到的每个栅格点进行识别，通过读取每个栅格点的权值数据，动态改变其移动速度，即可计算出相应路径上的爬壁机器人移动时间；

在竖直壁面上，爬壁机器人主要有直线运动和转向运动；从运动学角度分析，在满足吸附力要求条件下，直线运动比转向运动更安全；因为当爬壁机器人进行转向运动时，有两种可能发生的危险情况：一种从壁面上滑落下来；另一种由于扭转力矩太大而造成吸附装置的旋转；实际运动中，应考虑避免下滑和避免扭转两个因素；同时，移动机构转向消耗是爬壁机器人的关键性能指标，其在转向过程中消耗的能量为E＝∫_t(M_s×Ω_s)dt，M_s为转向力矩，Ω_s为移动机构瞬间转向的角速度，M_s为移动机构移动的距离，t为时间；从提高安全性和减少能量消耗的角度考虑，提出基于最少转弯次数的安全策略，与改进的蚁群算法相结合，实现爬壁机器人在竖直壁面的路径规划；

基于最少转弯次数的安全策略具体为：每轮迭代完成后，比较每条路径长度和路径中机器人的转弯次数，选择长度最短的路径作为当次迭代的最优路径，如果路径长度相同，则选择转弯次数较少的路径作为当次迭代的最优路径。